Article Per Year (5 Year)
p-Index From 2020 - 2025
1.066
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Jurnal Simetris Journal of Information System Abdimasku : Jurnal Pengabdian Masyarakat Andalasian International Journal of Applied Science, Engineering, and Technology
Hafidhoh, Nisa'ul
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Health Professions Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Masyarakat Informatika

 1 
Machine Learning untuk Prediksi Kegagalan Mesin dalam Predictive Maintenance System Hafidhoh, Nisa'ul; Atmaja, Ardian Prima; Syaifuddiin, Gus Nanang; Sumafta, Ikhwan Baidlowi; Pratama, Salva Mahardhika; Khasanah, Hafsah Nur
Jurnal Masyarakat Informatika Vol 15, No 1 (2024): May 2024
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.15.1.63641

Abstract

Dalam menghadapi Revolusi Industri 4.0, teknologi seperti Internet of Things, Big Data, dan Kecerdasan Buatan menjadi kunci dalam modernisasi industri. Pendekatan Machine Learning digunakan untuk memproses data multivariabel berdimensi tinggi dan mengekstrak hubungan tersembunyi dalam lingkungan industri yang kompleks. Machine Learning digunakan untuk mengklasifikasikan kegagalan mesin dalam membangun Predictive Maintenance System. Penelitian ini mengadopsi siklus CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari tahap business understanding, data understanding, data preparation, modelling, evaluation dan deployment. Predictive Maintenance Dataset berupa data sintetis yang digunakan dalam penelitian ini mencerminkan situasi industri nyata terdiri dari 10.000 baris data dengan sepuluh fitur. Jenis kegagalan mesin diklasifikasikan menjadi Heat Dissipation Failure, Power Failure, Overstrain Failure, dan Tool Wear Failure. Exploratory Data Analysis dilakukan untuk mendapatkan ringkasan dan visualisasi data. Pendekatan machine learning menggunakan metode Logistic Regression dan hasil evaluasi model mencapai akurasi 96,87%, sesuai dengan kriteria sukses data. Hasil pemodelan machine learning yang dikembangkan kemudian diimplementasikan dalam aplikasi Predictive Maintenance System berbasis web untuk memudahkan pemantauan kondisi mesin dan prediksi kegagalan mesin oleh pengguna.              
Perbandingan Model Pengembangan Perangkat Lunak Untuk Proyek Tugas Akhir Program Vokasi Paksi, Angger Binuko; Hafidhoh, Nisa'ul; Bimonugroho, Sigit Kariagil
Jurnal Masyarakat Informatika Vol 14, No 1 (2023): JURNAL MASYARAKAT INFORMATIKA
Publisher : Department of Informatics, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jmasif.14.1.52752

Abstract

Salah satu syarat penyelesaian pendidikan pada perguruan tinggi adalah membuat tugas akhir. Hasil akhir dari tugas akhir pada perguruan tinggi vokasi  diarahkan dalam bentuk produk atau alat. Untuk membuat produk perangkat lunak yang tersistematis maka dibutuhkan sebuah metodologi atau siklus pengembangan yang lebih dikenal dengan  Software Development Life Cycle (SDLC). Secara umum SDLC memiliki beberapa tahapan yang dimulai dari tahap perencanaan, analisis, perancangan, implementasi, pengujian sampai pemeliharaan sistem. Kajian yang dilakukan adalah studi komparatif pada model pengembangan prototype, iterative dan agile. Perbandingan dari ketiga model tersebut menyatakan hasil bahwa model prototype membutuhkan perencanaan kebutuhan lebih matang dibanding kedua model lainnya, sedangkan model iterative dan model agile memiliki fleksibilitas lebih baik dalam menghadapi pengembangan ulang berjangka. Ketiga model cocok untuk perangkat lunak yang bersifat customizable, yang membedakan adalah kapan fase penyesuaian perubahan dilakukan. Dari kajian ketiga model didapatkan bahwa masing-masing mempunyai kelebihan dan kekurangan, sehingga pengembang dalam hal ini mahasiswa dapat menentukan model mana yang sesuai untuk pengembangan perangkat lunak proyek tugas akhir berdasarkan karakteristik setiap model.
Co-Authors Abdul Syukur Affandy Affandy Ardian Prima Atmaja Arisanto, Ervany Septa Prawara Astuti, Yani Parti Ayu Pertiwi Bimonugroho, Sigit Kariagil Egia Rosi Subhiyakto, Egia Rosi Erika Devi Udayanti Erwin Yudi Hidayat Etika Kartikadarma Fajar, Muhammad Syaeful Gus Nanang Syaifuddiin Ikhwan Baidlowi Sumafta Ismar, MH. Ramdhani Ivansyah, Maulana Nur Khasanah, Hafsah Nur Lestariningsih, Tri Paksi, Angger Binuko Pratama, Salva Mahardhika Sukamto, Titien S. Widayat Yutriatmansyah, Widi